Die am häufigsten gestellten Fragen und Antworten zu NumPy-Interviews [für Studienanfänger]

Wenn Sie eine glorreiche Karriere im technologischen Bereich anstreben, wissen Sie bereits, dass eine Qualifikation in NumPy eine der gefragtesten Fähigkeiten auf dem Markt ist. Schließlich basiert NumPy auf den De-facto-Standards von Computer-Arrays.

Hier sind einige häufig gestellte Fragen und Antworten zu NumPy-Interviews aufgelistet, die Sie vielleicht nachschlagen möchten, bevor Sie zu Ihrem nächsten Interview erscheinen.

Top 15 Fragen und Antworten zu NumPy-Interviews

Frage 1: Was ist NumPy?

NumPy ist ein vielseitiges Open-Source-Allzweckpaket, das für die Array-Verarbeitung verwendet wird. Es ist kurz von Numerical Python. Es ist bekannt für seine High-End-Leistung mit leistungsstarken N-dimensionalen Array-Objekten und den Tools, mit denen es geladen ist, um mit Arrays zu arbeiten. Das Paket ist eine Erweiterung von Python und wird verwendet, um wissenschaftliche Berechnungen und andere Übertragungsfunktionen durchzuführen.

NumPy ist einfach zu bedienen, gut optimiert und sehr flexibel.

Frage 2: Wozu dient NumPy?

Die numerische Open-Source-Bibliothek auf Python unterstützt mehrdimensionale Arrays und enthält Matrixdatenstrukturen. Mit NumPy können verschiedene Arten von mathematischen Operationen auf Arrays ausgeführt werden. Dazu gehören trigonometrische Operationen sowie statistische und algebraische Berechnungen. Numeric und Numarray sind Erweiterungen von NumPy.

Frage 3: Warum wird NumPy anderen Programmiertools wie Idl, Matlab, Octave oder Yorick vorgezogen?

NumPy ist eine leistungsstarke Bibliothek in der Programmiersprache Python, die wissenschaftliche Berechnungen ermöglicht. Es wird Idl, Matlab, Octave oder Yorick vorgezogen, da es Open Source und kostenlos ist. Da es Python verwendet, das eine universelle Programmiersprache ist, punktet es außerdem gegenüber einer generischen Programmiersprache, wenn es darum geht, den Interpreter von Python mit C/C++ und Fortran-Code zu verbinden.

NumPy unterstützt mehrdimensionale Arrays und Matrizen und hilft, komplexe mathematische Operationen an ihnen durchzuführen.

Frage 4: Was sind die verschiedenen Funktionen von NumPy?

Als leistungsstarkes Open-Source-Paket für die Array-Verarbeitung verfügt NumPy über verschiedene nützliche Funktionen. Sie sind:

1. Enthält ein N-dimensionales Array-Objekt
2. Es ist verträglich; kompatibel mit vielen Hardware- und Computerplattformen
3. Funktioniert sehr gut mit Array-Bibliotheken; spärlich, verteilt oder GPU
4. Fähigkeit, komplizierte (Rundfunk-)Funktionen auszuführen
5. Tools, die die Integration mit C oder C++ und Fortran-Code ermöglichen
6. Fähigkeit, mathematische Funktionen auf hohem Niveau wie Statistik, Fourier-Transformation, Sortieren, Suchen, lineare Algebra usw. auszuführen
7. Es kann sich auch als mehrdimensionaler Container für generische Daten verhalten
8. Unterstützt wissenschaftliche und finanzielle Berechnungen

Frage 5: Wie kann man NumPy unter Windows installieren?

Um NumPy unter Windows zu installieren, müssen Sie zuerst Python herunterladen und auf Ihrem Computer installieren.

Führen Sie die folgenden Schritte aus, um Python zu installieren:

Schritt 1: Besuchen Sie die offizielle Seite von Python und laden Sie Python und ausführbare Python-Binärdateien auf Ihr Windows 10/8/7 herunter

Schritt 2: Öffnen Sie das ausführbare Python-Installationsprogramm und drücken Sie auf Ausführen

Schritt 3: Installieren Sie Pip auf Ihrem Windows-System

Mit pip können Sie NumPy in Python installieren. Unten ist der Installationsprozess von NumPy:

Schritt 1: Starten Sie das Terminal

Schritt 2: Geben Sie Pip ein

Schritt 3: Installieren Sie NumPy

Frage 6. Listen Sie die Vorteile auf, die NumPy-Arrays gegenüber (verschachtelten) Python-Listen haben?

Obwohl die Listen von Python äußerst effiziente Container sind, die eine Reihe von Funktionen unterstützen, weisen sie im Vergleich zu NumPy-Arrays einige Einschränkungen auf. Es ist nicht möglich, vektorisierte Operationen durchzuführen, die eine elementweise Addition und Multiplikation beinhalten.

Sie verlangen auch, dass Python die Typinformationen jedes Elements speichert, da sie Objekte unterschiedlicher Typen unterstützen. Dies bedeutet, dass jedes Mal, wenn eine Operation an einem Element ausgeführt wird, ein Typ-Dispatching-Code ausgeführt werden muss. Außerdem müsste jede Iteration Typprüfungen unterzogen werden und eine Python-API-Buchführung erfordern, was dazu führt, dass nur sehr wenige Operationen von C-Schleifen ausgeführt werden.

Frage 7: Führen Sie die Schritte zum Erstellen eines 1D-Arrays und eines 2D-Arrays auf

Ein eindimensionales Array wird wie folgt erstellt:

num=[1,2,3]

num = np.array(num)

print("1d-Array : ", Zahl)

Ein zweidimensionales Array wird wie folgt erstellt:

num2=[[1,2,3],[4,5,6]]

num2 = np.array(num2)

print(“\n2d-Array : “,num2)

Schauen Sie sich an: Fragen zu Data Science-Interviews

Frage 8: Wie erstellt man ein 3D-Array?

Ein dreidimensionales Array wird wie folgt erstellt:

num3=[[[1,2,3],[4,5,6],[7,8,9]]]

num3 = np.array(num3)

print(“\n3d-Array : “,num3)

Frage 9: Was sind die Schritte zur Verwendung von Shape für ein 1D-Array, ein 2D-Array bzw. ein 3D/ND-Array?

1D-Array:

num=[1,2,3] falls nicht hinzugefügt

print('\nshpae of 1d ',num.shape)

2D-Array:

num2=[[1,2,3],[4,5,6]] falls nicht hinzugefügt

print('\nshpae von 2d ',num2.shape)

3D- oder ND-Array:

num3=[[[1,2,3],[4,5,6],[7,8,9]]] falls nicht hinzugefügt

print('\nshpae of 3d ',num3.shape)

Frage 10: Wie können Sie den Datentyp eines bestimmten NumPy-Arrays identifizieren?

Verwenden Sie die folgende Codefolge, um den Datentyp eines NumPy-Arrays zu identifizieren.

print('\n Datentyp num 1 ',num.dtype)

print('\n Datentyp num 2 ',num2.dtype)

print('\n Datentyp num 3 ',num3.dtype)

Frage 11. Wie wird gezählt, wie oft ein bestimmter Wert in einem Array aus ganzen Zahlen vorkommt?

Mit der Funktion bincount() können Sie zählen, wie oft ein bestimmter Wert erscheint. Es sei darauf hingewiesen, dass die Funktion bincount() als Argument positive ganze Zahlen oder boolesche Ausdrücke akzeptiert. Negative ganze Zahlen können nicht verwendet werden.

Verwenden Sie NumPy.bincount(). Das resultierende Array ist

>>> arr = NumPy.array([0, 5, 4, 0, 4, 4, 3, 0, 0, 5, 2, 1, 1, 9])

>>> NumPy.bincount(arr)

Frage 12. Wie prüfen Sie auf ein leeres Array (null Element)?

Wenn die Variable ein Array ist, können Sie mithilfe des Größenattributs nach einem leeren Array suchen. Es ist jedoch möglich, dass die Variable vom Typ Liste oder Sequenz ist, in diesem Fall können Sie len() verwenden.

Die bevorzugte Methode, um nach einem Nullelement zu suchen, ist das Größenattribut. Das ist weil:

>>> a = NumPy.zeros((1,0))

>>> a.Größe

0

wohingegen

>>> len(a)

1

Frage 13: Was ist das Verfahren, um die Indizes eines Arrays auf NumPy zu finden, wenn eine Bedingung wahr ist?

Sie können die Funktion numpy.nonzero() verwenden, um die Indizes oder ein Array zu finden. Sie können dazu auch die Methode nonzero() verwenden.

Im folgenden Programm nehmen wir ein Array a, wobei die Bedingung a > 3 ist. Es gibt ein boolesches Array zurück. Wir wissen, dass False auf Python und NumPy als 0 bezeichnet wird. Daher gibt np.nonzero(a > 3) die Indizes des Arrays a zurück, bei dem die Bedingung True ist.

>>> numpy als np importieren

>>> a = np.array([[1,2,3],[4,5,6],[7,8,9]])

>>> a > 3

array([[Falsch, Falsch, Falsch],

[Wahr, wahr, wahr],

[ Wahr, Wahr, Wahr]], dtype=bool)

>>> np.nonzero(a > 3)

(Array([1, 1, 1, 2, 2, 2]), Array([0, 1, 2, 0, 1, 2]))

Sie können auch die Methode nonzero() des booleschen Arrays aufrufen.

>>> (a > 3).nonzero()

(Array([1, 1, 1, 2, 2, 2]), Array([0, 1, 2, 0, 1, 2]))

Lesen Sie: Dataframe in Apache PySpark: Umfassendes Tutorial

Frage 14: Unten ist das Eingabe-NumPy-Array dargestellt. Löschen Sie die zweite Spalte und ersetzen Sie sie durch die unten angegebene neue Spalte.

NumPy importieren

sampleArray = NumPy.array([[34,43,73],[82,22,12],[53,94,66]])

neueSpalte = NumPy.array([[10,10,10]])

Erwartete Ausgabe :

Drucken des ursprünglichen Arrays

[[34 43 73]

[82 22 12]

[53 94 66]]

Array nach dem Löschen von Spalte 2 auf Achse 1

[[34 73]

[82 12]

[53 66]]

Array nach dem Einfügen von Spalte 2 auf Achse 1

[[34 10 73]

[82 10 12]

[53 10 66]]

Lösung :

NumPy importieren

print("Drucken des Original-Arrays")

sampleArray = NumPy.array([[34,43,73],[82,22,12],[53,94,66]])

drucken (sampleArray)

print("Array nach dem Löschen von Spalte 2 auf Achse 1")

sampleArray = NumPy.delete (sampleArray , 1, Achse = 1)

drucken (sampleArray)

arr = NumPy.array([[10,10,10]])

print("Array nach dem Einfügen von Spalte 2 auf Achse 1")

sampleArray = NumPy.insert(sampleArray , 1, arr, axis = 1)

drucken (sampleArray)

Lösung :

NumPy importieren

print("Drucken des Original-Arrays")

sampleArray = NumPy.array([[34,43,73],[82,22,12],[53,94,66]])

drucken (sampleArray)

print("Array nach dem Löschen von Spalte 2 auf Achse 1")

sampleArray = NumPy.delete (sampleArray , 1, Achse = 1)

drucken (sampleArray)

arr = NumPy.array([[10,10,10]])

print("Array nach dem Einfügen von Spalte 2 auf Achse 1")

sampleArray = NumPy.insert(sampleArray , 1, arr, axis = 1)

drucken (sampleArray)

Fazit

Wir hoffen auf das oben Genannte NumPy-Interviewfragen helfen Ihnen bei der Vorbereitung auf Ihre bevorstehenden Interviewsitzungen. Wenn Sie nach Kursen suchen, die Ihnen helfen können, sich mit der Sprache Python vertraut zu machen, kann upGrad die beste Plattform sein.

Wenn Sie neugierig sind, mehr über Data Science zu erfahren, sehen Sie sich die Online Data Science-Programme von IIIT-B & upGrad an, die für Berufstätige entwickelt wurden und mehr als 10 Fallstudien und Projekte, praktische Workshops, Mentoring mit Branchenexperten und 1-on bieten -1 mit Branchenmentoren, mehr als 400 Stunden Lern- und Arbeitsunterstützung bei Top-Unternehmen.

Wir hoffen, dass dies hilft. Viel Glück für Ihr Vorstellungsgespräch!

Bereiten Sie sich auf eine Karriere der Zukunft vor

Bewerben Sie sich jetzt für das Executive PG-Programm in Data Science